融合項(xiàng)目流行度的協(xié)同過濾推薦算法.pdf_第1頁
已閱讀1頁，還剩69頁未讀， 繼續(xù)免費(fèi)閱讀

下載本文檔

版權(quán)說明：本文檔由用戶提供并上傳，收益歸屬內(nèi)容提供方，若內(nèi)容存在侵權(quán)，請進(jìn)行舉報(bào)或認(rèn)領(lǐng)

文檔簡介

1、隨著互聯(lián)網(wǎng)信息技術(shù)的迅速發(fā)展，“信息過載”問題越來越嚴(yán)重。為了幫助用戶快速地找到自己感興趣的產(chǎn)品，進(jìn)而就產(chǎn)生了推薦系統(tǒng)。而作為推薦系統(tǒng)的核心部分，推薦算法也就成為了人們研究的熱點(diǎn)之一。但是作為一個好的推薦系統(tǒng)，不僅要能夠?yàn)橛脩敉扑]其感興趣的產(chǎn)品而且還要考慮到產(chǎn)品的流行度會隨時(shí)間的推移而變化。因此為了有效解決在推薦過程中產(chǎn)品流行度隨時(shí)間變化的問題，研究考慮時(shí)間因素的推薦算法就十分重要。
　　本文針對基于項(xiàng)目的協(xié)同過濾推薦算法，引入時(shí)

2、間因素。針對不同項(xiàng)目在不同時(shí)間的流行度不同，在推薦中考慮項(xiàng)目在推薦時(shí)間的流行度。首先定義了時(shí)間窗和項(xiàng)目在任意時(shí)間窗的流行度；然后利用時(shí)間序列預(yù)測模型預(yù)測項(xiàng)目在推薦時(shí)間窗的流行度；再引入融合因子，采用線性加權(quán)的方法將傳統(tǒng)的基于項(xiàng)目的協(xié)同過濾推薦算法和項(xiàng)目流行度相融合；最終提出了融合項(xiàng)目流行度的協(xié)同過濾推薦算法。這種引入時(shí)間因素的推薦算法，充分考慮了項(xiàng)目在推薦時(shí)間窗的流行度。特別是當(dāng)有新用戶加入系統(tǒng)，無法獲得用戶的歷史行為數(shù)據(jù)時(shí)，該推薦算法

溫馨提示

  • 1. 本站所有資源如無特殊說明，都需要本地電腦安裝OFFICE2007和PDF閱讀器。圖紙軟件為CAD,CAXA,PROE,UG,SolidWorks等.壓縮文件請下載最新的WinRAR軟件解壓。
  • 2. 本站的文檔不包含任何第三方提供的附件圖紙等，如果需要附件，請聯(lián)系上傳者。文件的所有權(quán)益歸上傳用戶所有。
  • 3. 本站RAR壓縮包中若帶圖紙，網(wǎng)頁內(nèi)容里面會有圖紙預(yù)覽，若沒有圖紙預(yù)覽就沒有圖紙。
  • 4. 未經(jīng)權(quán)益所有人同意不得將文件中的內(nèi)容挪作商業(yè)或盈利用途。
  • 5. 眾賞文庫僅提供信息存儲空間，僅對用戶上傳內(nèi)容的表現(xiàn)方式做保護(hù)處理，對用戶上傳分享的文檔內(nèi)容本身不做任何修改或編輯，并不能對任何下載內(nèi)容負(fù)責(zé)。
  • 6. 下載文件中如有侵權(quán)或不適當(dāng)內(nèi)容，請與我們聯(lián)系，我們立即糾正。
  • 7. 本站不保證下載資源的準(zhǔn)確性、安全性和完整性, 同時(shí)也不承擔(dān)用戶因使用這些下載資源對自己和他人造成任何形式的傷害或損失。

評論

0/150

提交評論